基于加速遗传算法的组合预测方法研究

应用加速遗传算法解决组合预测问题，可以克服传统遗传算法的缺点：对搜索空间（优化变量空间）的大小变化适应能力差，计算最大，易出现早熟收敛，控制参数的设置技术无明确准则指导等，与已有结果相比，对预测误差信息矩阵无正定性要求，目标函数可以推广到规模庞大，能提高预测精度等优点。     

神经网络驱动性模糊预测方法

本文在总结比较神经网络预测、模糊预测两种方法的基础上，将两种方法结合起来，取长补短，给出了一种以神经网络为工具，以近似推理为理论基础的建模方法，为解决非线性系统的预测问题提供了新的思路     

一种模糊变权重组合预测方法：FVW法的研究

一种模糊变权重组合预测方法——ＦＶＷ法的研究曹长修王景唐小我（重庆大学自动化系６３００４４）（电子科技大学管理学院６１００５４）摘要本     

组合预测方法评述

本文分析了近年来组合预测方法的一些热点课题及研究成果,指出了目前存在的一些问题,并对今后进一步的发展做了展望。     

组合预测方法研究的若干新结果

本文对组合预测方法的一些基本问题进行了较深入的研究:证明了随着预测方法的增加,最优组合预测方法的预测误差平方和并不一定减少;给出了最优组合预测方法的预测误差平方和恰好等于参加组合预测的各个单项预测方法预测误差平方和的最小值的充分条件;对递归等权组合预测方法的收敛性等问题给出了理论证明,并给出了一种新的替换准则。本文还就最优组合预测方法预测误差平方和的取值范围等问题进行了研究,给出了一些新的结果。     

线性与非线性最优组合预测方法的比较研究

通过建立六种线性和非线性的最优组合预测模型,比较了线性组合预测和非线性组合预测方法,以及神经网络方法和其它最优组合预测方法的预测效果。实证分析表明,非线性组合预测方法的总体预测效果优于线性组合预测方法,并且基于神经网络的非线性组合预测方法具有优良的特性和更高的预测精度。     

组合预测方法的现状和发展

本文介绍了近年来组合预测方法研究的一些热点课题，分析了这些方法的优点及存在的一些问题，并对今后的发展做了进一步的讨论。     

组合预测计算方法研究

组合预测的关键是确定加权系数。本文通过使组合预测误差平方和极小化来确定最优加权系数。本文给出了计算最优加权系数的计算公式,并导出了简单平均预测是最优组合预测的条件。     

非线性系统理论与预测研究新范式

现代预测理论与方法是传统科学范式影响的产物,是机械论、还原论在预测学上的具体体现,对于复杂系统预测其局限性已经日益显露,预测学需要从非线性系统理论等现代科学发展所取得的成果中吸取“新营养”,寻求新范式,从而为复杂的社会经济系统的预测提供新的理论与方法     

基于相关性的组合预测方法研究

本文对级合预测方法进行研究，提出了四种基于相关性的组合预测方法，即：关联度极大化组合预测方法，相关系数极大化组合预测方法，夹角余弦极大化组合预测方法，Theil不等式系数极小组合预测方法，四种基于相关性的组合预测方法均能够取得比较好的级合预测效果。     

基于预测有效度的组合预测模型研究

本文基于预测方法有效度的概念，建立了改进组合预测模型，并给出其线性规划的解法。该模型具有计算简便的特点，而且具有可比性，能反映不同时间序列预测方法有效性。     

基于密度算子的组合预测方法

考虑到单项预测方法在不同时刻预测准确性的差异,提出了一种基于密度算子的组合预测方法.该方法的核心思想是利用样本区间内单项预测方法的预测准确性对预测值聚类;然后基于密度算子的思想对单项预测法集结,得到一种新的组合预测模型;在此基础上,基于预测值和相应观察值误差最小的思想确定单项预测法的加权系数.该模型充分利用了样本区间内单项预测法的预测准确性,因而预测值具有较高的准确性.最后,给出一个实例,并对其结果进行比较分析,证明了该组合预测模型的有效性.     

一种基于演化神经网络的预测算法

在神经网络预测方法中，网络结构的确定直接影响到预测结果的精确性。本文引入演化神经网络，利用遗传算法确定神经网络的结构参数，可以减少对预测用户经验的依赖性。通过对不同时间间隔的交通流实测数据的预测，表明本文中提出的预测方法具有较好的预测效果。     

基于IOWA算子的组合预测方法

有序加权平均(OWA)算子是近年来发展的在多属性决策中用于集结各决策者的偏好信息或方案优选的方法。通过引进诱导有序加权平均(IOWA)算子，提出了以误差平方和为准则新的组合预测模型，给出了IOWA权系数的确定的数学规划方法。该模型能提高组合预测精度，最后的实例分析表明了模型的有效性。     

组合预测权系数确定的一种合作对策方法

从对策论的观点出发，把组合预测中各单项预测模型视为合作对策的局中人，把组合预测的误差平方和视为合作的结果，再按Shapley值法在各单项预测模型中进行分配，从而获得组合预测权系数确定的一种方法。该方法具有概念清楚、涵义明确的特点，结果令人满意。     

组合预测模型及应用

通过主成分分析的方法，将非线性预测中的二次多项式预测、指数预测及灰色预测等3种不同的预测方法组合在一起．提出了一种新的组合预测方法，并利用该方法对江西省的国民生产总值进行了预测。     

组合预测模型在成都房地产价格中的应用

组合预测理论与建模技术对于信息不完备的复杂经济系统有一定的实用性,鉴于房地产价格的复杂性和非线性的特征,利用成都房地产价格的历史数据,分别采用改进的灰色预测模型、RBF神经网络模型建立了成都房地产价格的单项预测模型,并对单项预测模型的优缺点进行了比较分析。采用标准差法进行权重分配,将两个模型进行组合,建立了成都房地产价格的组合预测模型。运用该模型对成都未来5年的房地产价格进行了预测。     

基于模糊神经网络的宏观经济预警研究

本文将神经网络理论与模糊系统理论相结合,建立了宏观经济非线性预警模型;运用模糊逻辑推理将经济专家经验引入到宏观经济的预警分析中,使系统具有处理非线性、不确定性问题的能力,实现了预警过程的智能化;本文利用实际数据建立了具有转折点预测意义的、基于模糊神经网络的宏观经济波动预警模型,并对中国1999年和2000年进行了尝试性景气预报。     

预测支持系统的发展趋势研究

在研究和总结近年来决策支持系统和预测支持系统发展的基础上，结合作者研究开发林业经济预测支持系统的实际经验，提出了预测支持系统发展的几个重要，并就如何实现阐述了自己的观点。     

混沌时间序列混合预测方法探索

根据Kolmogorov连续性定理,本文建立了混沌—神经网络(C-ANN)预测模型;提出了基于遗传算法和神经网络的混沌预测模型与方法(C-ANN-GA混合预测方法);解决了混沌时间序列的非解析式预测问题;使混沌时间序列预测方法得到了新的改进和发展。